matlab随机森林分类代码

下面是一个简单的 MATLAB 随机森林分类器代码示例：

% 导入数据集
data = readtable('data.csv');

% 随机划分数据集为训练集和测试集
cv = cvpartition(height(data),'HoldOut',0.3);
idxTrain = training(cv); 
idxTest = test(cv);

% 提取特征和标签
Xtrain = table2array(data(idxTrain,1:end-1));
Ytrain = table2array(data(idxTrain,end));
Xtest = table2array(data(idxTest,1:end-1));
Ytest = table2array(data(idxTest,end));

% 训练随机森林模型
model = TreeBagger(50,Xtrain,Ytrain,'Method','classification');

% 预测测试集
Ypred = predict(model,Xtest);

% 计算分类准确率
accuracy = sum(strcmp(Ypred,Ytest))/numel(Ytest);
disp(['分类准确率为：',num2str(accuracy)]);

解释一下代码：

1. 首先，我们使用 `readtable` 函数导入数据集。

2. 然后，我们使用 `cvpartition` 函数将数据集随机划分为训练集和测试集。

3. 接着，我们提取特征和标签，并将它们分别存储在 `Xtrain`、`Ytrain`、`Xtest` 和 `Ytest` 变量中。

4. 接下来，我们使用 `TreeBagger` 函数训练一个随机森林模型。在这个例子中，我们使用了 50 棵决策树，采用分类方法。

5. 然后，我们使用训练好的模型对测试集进行预测。

6. 最后，我们计算分类准确率，即正确分类的样本数除以总样本数。